购物车
个人中心
Linux Shell核心编程指南
￥31.99
在IT产业中源的理念已成为绝大多数企业的共识。随着源技术的不断步与创新，云计算也逐步深到了每个互联网企业的内部。但是，随之而来的便是管理成本的提高，大量的物理或者虚拟主机需要管理与维护，如何能够更好地实现自动化运维，成为企业需要迫切解决的问题。行业中自动化运维的软件很多，Puppet、Saltstack、Ansible等让我们在云时代依然可以轻松管理和维护设备与业务，然而像Ansible这样的自动化工具，虽然已经内置了很多模块，但是在解决每个企业的个性化需求时还需要编写自动化脚本。本书将围绕Linux系统中*常用的Shell脚本语言，讲解如何通过Shell编写自动化、智能化脚本。全书以案例贯穿，对每个知识都可以找到与之对应的案例，完成本书中的每个案例对于未来在企业中的实际应用极具意义。另外，在本书中配套有很多游戏案例，通过编写游戏脚本可以极大地提升学习的乐趣。本书中的代码可以在https://github.com/jacobproject/shell_scripts下载，现在的商业环境是一个充满竞争的环境，很多企业的业务量在不断地增长，对服务质量的要求也越来越高。特别是互联网企业为了满足客户更高的需求，提升用户使用体验，IT部门需要维护的设备数量从早期的几台，发展到了目前的数以万计，如此庞大的服务器维护量，通常会让IT管理人员头疼不已。本书介绍的自动化运维内容可以让我们快速掌握大规模批量处理的简单方法。本书从基础知识讲到数据分析、数据过滤等高级应用，适合Linux运维人员、Shell编程爱好者阅读，可作为Linux运维人员的一本优秀的案头书。
重估：人工智能与人的生存
￥54.60
本书从人工智能与人的生存这个大的命题出发，围绕人工智能与人的生存、生活及发展这三个维度而展，行了较为全面的论述，对人们日常生活中的人工智能运用的一些困境和出路行了分析，带有一定的人工智能知识的科普目的，以化解人工智能时代人们生存的忧虑，从而促人们以更加积极的心态、更充分的准备应对人工智能时代的到来。
白话强化学习与PyTorch
￥69.30
本书以“平民”的起，从“零”始，基于PyTorch框架，介绍深度学习和强化学习的技术与技巧，逐层铺垫，营造良好的带感和亲近感，把学习曲线拉平，使得没有学过微积分等高级理论的程序员一样能够读得懂、学得会。同时，本书配合漫画插图来调节阅读气氛，并对每个原理都行了对比讲解和实例说明。本书适合对深度学习和强化学习感兴趣的技术人员、希望对深度学习和强化学习行门了解的技术人员及深度学习和强化学习领域的初级从业人员阅读。
Navisworks 2018完全自学教程
￥28.99
这是一本全面介绍Navisworks 2018基本功能和实际应用的书，主要针对零基础读者而编写，是零基础读者快速且全面掌握Navisworks 2018的参考书。 本书从Navisworks 2018的基本操作手，结合大量的可操作性实例，全面而深地介绍了Navisworks 2018的模型浏览、碰撞检测、施工模拟和动画漫游等方面的功能，向读者展示了如何将Navisworks 2018运用到实际工程中，从而让读者学以致用。 全书共10章，每一章介绍一个技术板块的内容，讲解细腻，实例丰富。通过大量的实战练习，读者可以轻松地掌握软件使用技巧。
ROS机器人开发实践
￥65.35
本书在介绍ROS总体框架和理论要的基础上，讲解ROS的通信机制、常用组件和阶功能；同时以实践为主，讲解机器视觉、机器听觉、SLAM与导航、机械臂控制、机器学习等多种ROS应用的主要原理和实现方法；并分析基于ROS的机器人系统设计方法和典型实例；后论述ROS2的框架特和使用方法，剖析ROS的发展方向。
深度强化学习:学术前沿与实战应用
￥65.35
本书共分为四篇，即深度强化学习、多智能体深度强化学习、多任务深度强化学习和深度强化学习的应用。由浅深、通俗易懂，涵盖经典算法和近几年的前沿技术展。特别是书中详细介绍了每一种代表性算法的代码原型实现，旨在理论与实践相结合，让读者学有所得、学有所用。 *篇（包含第1～3章）主要讲解深度强化学习基础，侧重于单智能体强化学习算法，相对简单，有助于初级读者理解，同时涵盖了近几年的经典算法和一些前沿的研究成果。 第二篇（包含第4～5章）主要侧重于对多智能体深度强化学习的讲解，从多智能体强化学习基本概念到相关算法的讲解和分析，以多个极具代表性的算法为例带领读者逐步学习多智能体训练及控制的理论与方法。同时，还介绍了多智能体强化学习领域一些前沿学术成果。 第三篇（包含第6～7章）扩展到多任务场景，称为多任务深度强化学习。首先介绍了多任务强化学习的基本概念和相关基础知识，随后讲解了部分经典的多任务深度强化学习算法。 第四篇（包含第8～11章）主要讲解深度强化学习的实际应用，涉及游戏、机器人控制、计算机视觉和自然语言处理四大领域。通过领域应用中思想和方法的讲解，培养读者跨领域解决实际问题的能力，以帮助读者熟练掌握和使用深度强化学习这一强大的方法来解决和优化实际工程领域中的问题。
Python机器学习(原书第3版)
￥90.40
本书自第1版出版以来，备受广大读者欢迎。第3版结合TensorFlow 2和scikit-learn的*新版本进行了更新，其范围进行了扩展，以涵盖强化学习和生成对抗网络（GAN）这两种*先进的机器学习技术。与同类书相比，本书除了介绍如何用Python和基于Python的机器学习软件库进行实践外，还讨论了机器学习概念的必要细节，同时对机器学习算法的工作原理、使用方法以及如何避免掉入常见的陷阱提供了直观且翔实的解释，是Python机器学习入门之作。书中涵盖了众多*Python库，包括scikit-learn、Keras和TensorFlow等，系统性地梳理和分析了各种经典算法，并通过Python语言以具体代码示例的方式深入浅出地介绍了各种算法的应用，还给出了从情感分析到神经网络的一些实践技巧，可帮助读者快速解决自己和团队面临的一些重要问题。本书适用于机器学习的初学者和专业技术人员。
深入理解XGBoost:*机器学习算法与进阶
￥65.35
本书以机器学习基础知识做铺垫，深剖析XGBoost的原理、分布式实现、模型优化、深度应用等。 ?第1～3章使读者对机器学习算法形成整体认知，了解如何优化模型以及评估预测结果，并熟悉常用机器学习算法的实现原理和应用，如线性回归、逻辑回归、决策树、神经网络、支持向量机等。 ?第4章借助实际案例，讲解如何通过XGBoost解决分类、回归、排序等问题，并介绍了XGBoost常用功能的使用方法。 ?第5～7章是本书的重，从理论推导与源码层面深剖析XGBoost，涵盖XGBoost原理与理论证明、分布式XGBoost的实现、XGBoost各组件的源码解析。 ?第8～9章为阶内容，着重解析算法实践与工程应用中的难，而帮助读者更好地解决实际问题。 ?第10章介绍了一些较为前沿的将树模型与其他模型融合的研究方法，以拓眼界，拓展思路。
TensorFlow自然语言处理
￥65.35
第1章是对NLP的简单介绍。该章将首先讨论我们需要NLP的原因。下来，将讨论NLP中一些常见的子任务。之后，将讨论NLP的两个主要阶段，即传统阶段和深度学习阶段。通过研究如何使用传统算法解决语言建模任务，我们将了解传统阶段NLP的特。然后，将讨论深度学习阶段，在这一阶段中深度学习算法被大量用于NLP。我们还将讨论深度学习算法的主要系列。*后，将讨论一种*基本的深度学习算法：全连神经网络。该章结束时会提供一份路线图，简要介绍后面的内容。 第2章介绍Python TensorFlow库，这是我们实现解决方案的主要平台。首先在TensorFlow中编写一段代码，执行一个简单的计算，并讨论从运行代码到得到结果这一过程中到底发生了什么。我们将详细介绍TensorFlow的基础组件。把Tensorflow比作丰富的餐厅，了解如何完成订单，以便一步加强对TensorFlow的理解。稍后，将讨论TensorFlow的更多技术细节，例如数据结构和操作（主要与神经网络相关）。*后，我们将实现一个全连的神经网络来识别手写数字。这将帮助我们了解如何使用TensorFlow来实现端到端解决方案。 第3章首先讨论如何用TensorFlow解决NLP任务。在该章中，我们将讨论如何用神经网络学习单词向量或单词表示。单词向量也称为词嵌。单词向量是单词的数字表示，相似单词有相似值，不同单词有不同值。首先，将讨论实现这一目标的几种传统方法，包括使用称为WordNet的大型人工构建知识库。然后，将讨论基于现代神经网络的方法，称为Word2vec，它在没有任何人为干预的情况下学习单词向量。我们将通过一个实例来了解Word2vec的机制。着，将讨论用于实现此目的的两种算法变体：skip-gram和连续词袋（CBOW）模型。我们将讨论算法的细节，以及如何在TensorFlow中实现它们。 第4章介绍与单词向量相关的更高级方法。首先，会比较skip-gram和CBOW，讨论其中哪一种有明显优势。下来，将讨论可用于提高Word2vec算法性能的几项改。然后，将讨论一种更新、更强大的词嵌学习算法：GloVe（全局向量）算法。*后，将在文档分类任务中实际观察单词向量。在该练习中，我们将看到单词向量十分强大，足以表示文档所属的主题（例如，娱乐和运动）。 第5章讨论卷积神经网络（CNN），它是擅长处理诸如图像或句子这样的空间数据的神经网络家族。首先，讨论如何处理数据以及处理数据时涉及哪种操作，以便对CNN有较深的理解。下来，深研究CNN计算中涉及的每个操作，以了解CNN背后的数学原理。*后，介绍两个练习。*个练习使用CNN对手写数字图像行分类，我们将看到CNN能够在此任务上很快达到较高的准确率。下来，我们将探讨如何使用CNN对句子行分类。特别地，我们要求CNN预测一个句子是否与对象、人物、位置等相关。 第6章介绍递归神经网络。递归神经网络（RNN）是一个可以模拟数据序列的强大的神经网络家族。首先讨论RNN背后的数学原理以及在学习期间随时间更新RNN的更新规则。然后，讨论RNN的不同变体及其应用（例如，一对一RNN和一对多RNN）。*后，用RNN执行文本生成任务的练习。我们用童话故事训练RNN，然后要求RNN生成一个新故事。我们将看到在持久的长期记忆方面RNN表现不佳。*后，讨论更高级的RNN变体，即RNN-CF，它能够保持更长时间的记忆。 第7章介绍长短期记忆网络。RNN在保持长期记忆方面效果较差，这使我们需要探索能在更长时间内记住信息的更强大技术。我们将在该章讨论一种这样的技术：长短期记忆网络（LSTM）。LSTM功能更强大，并且在许多时间序列任务中表现得优于其他序列模型。首先通过一个例子，研究潜在的数学原理和LSTM的更新规则，以说明每个计算的重要性。然后，将了解为什么LSTM能够更长时间地保持记忆。下来，将讨论如何一步提高LSTM预测能力。*后，将讨论具有更复杂结构的几种LSTM变体（具有窥孔连的LSTM），以及简化LSTM门控循环单元（GRU）的方法。 第8章介绍LSTM的应用：文本生成。该章广泛评估LSTM在文本生成任务中的表现。我们将定性和定量地衡量LSTM产生的文本的好坏程度，还将比较LSTM、窥孔连LSTM和GRU。*后，将介绍如何将词嵌应用到模型中来改LSTM生成的文本。 第9章转到对多模态数据（即图像和文本）的处理。在该章中，我们将研究如何自动生成给定图像的描述。这涉及将前馈模型（即CNN）与词嵌层及顺序模型（即LSTM）组合，形成一个端到端的机器学习流程。 第10章介绍有关神经机器翻译（NMT）模型的应用。机器翻译指的是将句子或短语从源语言翻译成目标语言。首先讨论机器翻译是什么并简单介绍机器翻译历史。然后，将详细讨论现代神经机器翻译模型的体系结构，包括训练和预测的流程。下来，将了解如何从头始实现NMT系统。*后，会探索改标准NMT系统的方法。 第11章重介绍NLP的现状和未来趋势。我们将讨论前面提到的系统的相关*发现。该章将涵盖大部分令人兴奋的创新，并让你直观地感受其中的一些技术。 附录向读者介绍各种数学数据结构（例如，矩阵）和操作（例如，矩阵的逆），还将讨论概率中的几个重要概念。然后将介绍Keras，它是在底层使用TensorFlow的高级库。Keras通过隐藏TensorFlow中的一些有难度的细节使得神经网络的实现更简单。具体而言，通过使用Keras实现CNN来介绍如何使用Keras。下来，将讨论如何使用TensorFlow中的seq2seq库来实现一个神经机器翻译系统，所使用的代码比在第11章中使用的代码少得多。*后，将向你介绍如何使用TensorBoard可视化词嵌的指南。TensorBoard是TensorFlow附带的便捷可视化工具，可用于可视化和监视TensorFlow客户端中的各种变量。
Keras深度学习实战
￥44.85
第1章介绍了Keras的安装和设置过程以及如何配置Keras。 第2章介绍了使用CIFAR-10、CIFAR-100或MNIST等数据集，以及用于图像分类的其他数据集和模型。 第3章介绍了使用Keras的各种预处理和优化技术，优化技术包括TFOptimizer、AdaDelta等。 第4章详细描述了不同的Keras层，包括递归层和卷积层等。 第5章通过宫颈癌分类和数字识别数据集的实例，详细解释如何使用卷积神经网络算法。 第6章包括基本的生成式对抗网络（GAN）和边界搜索GAN。 第7章涵盖了递归神经网络的基础，以便实现基于历史数据集的Keras。 第8 章包括使用Keras行单词分析和情感分析的NLP基础知识。 第9章展示了如何在Amazon评论数据集中使用Keras模型行文本概述。 第10章侧重于使用Keras设计和发强化学习模型。
TensorFlow深度学习实战
￥65.35
本书将介绍如何有效地使用Google的源框架TensorFlow行深度学习。通过学习，你将实现不同的深度学习网络，如卷积神经网络（CNN）、循环神经网络（RNN）、深度Q learning网络（DQN）和生成对抗网络（GAN），以及如何使用TensorFlow的高级封装Keras工具。
Python自然语言处理实战:核心技术与算法
￥44.85
自然语言处理是一门融语言学、计算机科学、数学于一体的学科，比较复杂，学习门槛高，但本书巧妙地避了晦涩难懂的数学公式和证明，即便没有数学基础，也能零基础门。 本书专注于中文的自然语言处理，以Python及其相关框架为工具，以实战为导向，详细讲解了自然语言处理的各种核心技术、方法论和经典算法。三位作者在人工智能、大数据和算法领域有丰富的积累和经验，是*、前明略数据和七牛云的资深专家。同时，本书也得到了*达摩院高级算法专家、七牛云AI实验室Leader等专家的高度评价和鼎力推荐。 全书一共11章，在逻辑上分为2个部分： *部分（第1、2、11章） 主要介绍了自然语言处理所需要了解的基础知识、前置技术、Python科学包、正则表达式以及Solr检索等。 第二部分（第5-10章） 第3~5章讲解了词法分析相关的技术，包括中文分词技术、词性标注与命名实体识别、关键词提取算法等。 第6章讲解了句法分析技术，该部分目前理论研究较多，工程实践中使用门槛相对较高，且效果多是依赖结合业务知识行规则扩展，因此本书未做深探讨。 第7章讲解了常用的向量化方法，这些方法常用于各种NLP任务的输。 第8章讲解了情感分析相关的概念、场景以及一般做情感分析的流程，情感分析在很多行业都有应用。 第9章介绍了机器学习的重要概念，同时重突出NLP常用的分类算法、聚类算法，还介绍了几个案例。 第10章节介绍了NLP中常用的一些深度学习算法，这些方法比较复杂，但是非常实用，需要读者耐心学习。
人人可懂的深度学习
￥41.40
采用通俗易懂的语言，简明而*地介绍对人工智能革命起到核心作用的深度学习技术。
强化学习入门:从原理到实践
￥51.35
本书以理论和实践相结合的形式深浅出地介绍强化学习的历史、基本概念、经典算法和一些前沿技术，共分为三大部分：第壹部分（1～5章）介绍强化学习的发展历史、强化学习的基本概念以及一些经典的强化学习算法；第二部分（6～9章）在简要回顾深度学习技术的基础上着重介绍深度强化学习的一些前沿实用算法；第三部分（*后一章）以五子棋为例详细讲解战胜了人类*围棋选手的Alpha Zero算法的核心思想。
企业级数据与AI项目成功之道
￥53.40
只有在可以一致地提供预测性的业务见解并在整个组织范围内扩展时，数据分析和AI才能产生价值。这也是众多企业所面临的巨大挑战。本书概述了有效且实用的组织、管理和评估数据的方法，因此有助于建立信息体系结构以更好地推动AI和数据科学的发展。本书主要包括以下内容：简化数据管理，使数据随时随地可用；缩短实现AI用例的价值实现时间；使整个企业都可以访问AI和数据洞察力；动态、实时地扩展复杂的AI场景；发可带来可预测的、可重复的价值的信息体系结构。本书可以使包括架构师、发人员、产品所有者和业务主管在内的各种角色受益。
ROS机器人编程实践
￥53.40
本书首先介绍GoPiGo3及其配备的传感器和执行器。然后，通过从零始创建3D模型并使用Gazebo在ROS中运行模拟机器人来使用GoPiGo3的数字孪生模型。下来展示如何使用GoPiGo3构建和运行一个了解周围环境的自主移动机器人。还探索了机器人如何学习尚未在代码中编程但通过观察其环境而获得的任务。本书甚至还涵盖深度学习和强化学习等主题。在本书的末尾，读者将熟悉在机器人技术中构建特定用途应用程序的基础知识，并具备从零起步发高度智能自主机器人的能力。本书适合机器人技术人员和业余爱好者阅读。
AI游戏开发和深度学习进阶
￥47.40
本书以各种各样的实例剖析游戏AI手法，并以此为目标，帮助读者学习构筑游戏AI的技术。另外，也阐述了游戏AI中的深层学习、机械学习、强化学习技术。
测试反模式:有效规避常见的92种测试陷阱
￥38.35
《测试反模式：有效规避常见的92种测试陷阱》系统归纳了在日常的发过程中容易出现的92种测试陷阱，从描述、可能出现之处、典型症状、潜在的负面后果、潜在原因、建议和相关的陷阱等多个方面探讨了这些陷阱，可帮助测试人员、技术经理和其他利益相关者避免陷这些陷阱、在陷的时候识别这些陷阱，以及在逃脱陷阱的同时将负面后果小化。 《测试反模式：有效规避常见的92种测试陷阱》共分4章：第1章讲解测试、缺陷和测试陷阱等重要概念，并介绍如何对测试陷阱行分类和记录，以便能更容易地找到并理解它们；第2章总结了92种常见的测试陷阱，并对每种陷阱行了简要介绍，以帮助读者轻松寻找并识别出相关的陷阱；第3章是本书的核心内容，详细讲解经常发生的92种测试陷阱，包括名字、描述、适用性、典型症状、潜在的负面后果、潜在原因和相关的规避陷阱或限制后果的建议；第4章提供了关于测试陷阱的整体总结，然后简单地介绍了未来可能使测试陷阱分类更加有用的研究。此外，附录部分还提供了词汇表、缩略语、注释、参考和计划检查单，帮助读者快速了解大部分陷阱，指导实际工作。
深度探索Linux系统虚拟化:原理与实现
￥57.85
这是一部深度讲解如何在Linux操作系统环境下用软件虚拟出一台“物理”计算机的著作。 两位作者都是百度的资深技术专家，一位是百度的主任架构师，一位是百度智能云的副总经理，都在操作系统和虚拟化等领域有多年的实践经验。 本书从计算机体系结构、操作系统、硬件等多个方面深度探索了如何从CPU、内存、中断、外设、网络5个维度去虚拟化Linux系统，不仅剖析了其中的关键技术原理，而且深阐述了具体的实现。 全书共6章： 第1章：CPU虚拟化 介绍了X86架构下的VMX扩展，讨论了在VMX下虚拟CPU的完整生命周期，着重阐述了Host和Guest的切换、指令的模拟以及KVM是如何虚拟多处理器的。 第2章：内存虚拟化 讨论了操作系统如何为虚拟机呈现物理内存，结合影子页表以及EPT探讨了KVM如何完成从GVA到HPA的2层地址映射。 第3章：中断虚拟化 首先，讨论了从单核系统的8259A始，到多核系统的APIC，再到绕I/O APIC直从设备向LAPIC发送基于消息的MSI的虚拟化原理和实现。然后，讨论了Intel为了提高效率，是如何从硬件层面对虚拟化中断行支持的，以及KVM是如何使用它们的。 第4~5章 外设虚拟化 从完全虚拟化始，依次讲解了半虚拟化（Virtio）和Intel的VT-d支持下的硬件辅助虚拟化。通过实现一个模拟串口带领读者直观体会了设备虚拟化的基本原理，然后深阐述了Virito标准和实现，以及支持SR-IOV的DMA重映射和中断重映射。 第6章 网络虚拟化 讨论了在通用硬件网络的基础上，操作系统如何虚拟出专用的网络设备，为租户组建虚拟网络。
智能语音处理
￥51.35
本书从智能化社会对语音处理提出的新要求出发，系统地介绍了智能语音处理涉及的基础理论、基本技术、主要方法以及典型的智能语音处理应用，理论与实际紧密结合，适合作为高等院校人工智能、电子信息工程、物联网工程、数据科学与大数据技术、通信工程等专业高年级本科生以及智能科学与技术、信号与信息处理、网络空间安全、通信与信息系统等学科研究生的参考教材，也可供从事语音处理技术研究与应用的科研及工程技术人员参考。 本书共11章，可分为四个部分。 *部分是导论，对应第1章，概要介绍了经典语音处理与智能语音处理的基本概念以及语音处理的典型应用。 第二部分是基础理论，包括第2～5章。第2章介绍了稀疏和稀疏表示、冗余字典以及压缩感知的基本原理和方法；第3章介绍了隐变量模型，包括高斯混合模型、隐马尔可夫模型和高斯过程隐变量模型等；第4章主要介绍主成分分析和非负矩阵分解两种典型的组合模型；第5章主要介绍人工神经网络和深度学习的基础知识以及深度神经网络的典型结构。 第三部分是应用实践，包括第6～10章。第6章综合利用稀疏表示、字典学习、深度学习等智能处理技术，分别介绍基于K-L展的字典学习的语音压缩感知、基于梅尔倒谱系数重构的抗噪低速率语音编码以及基于深度自编码器的抗噪低速率语音编码这三种方案；第7章重介绍了基于非负矩阵分解和基于深度学习的智能语音增强方法；第8章在介绍语音转换的基本原理的基础上，重介绍了基于非负矩阵分解和基于深度神经网络的谱转换方法；第9章首先介绍了说话人识别系统的框架和模型，然后分别介绍了基于i-vector和基于深度神经网络的说话人识别方法；第10章在介绍骨导语音特性和骨导语音盲增强的基本原理的基础上，分别介绍了基于长短时记忆网络和基于均衡-生成组合谱映射的骨导语音盲增强方法。 第四部分是结束语，对应第11章，对全书行了总结，并对智能语音处理的未来发展行展望。
大圣陪你学AI:人工智能从入门到实验(上册)
￥65.35
本书以孙悟空师徒学习AI为题材，通过主人公孙大圣学习AI知识和方法，并教授其他师兄弟了解AI知识，帮助他们通过百度AI技术掌握特殊技能，实现梦想。全书分8章，分别通过卡通故事给少儿读者讲解几项简单的AI技术，然后通过百度AI平台让读者参与实验了解AI技术是什么。本书以少儿读者为对象，以卡通动漫的形式科普AI知识和技术，为少儿AI梦想的大门。
